Update model card to English

README.md

@@ -19,40 +19,40 @@ pipeline_tag: object-detection
 
 # CropScan - Plant Disease Detection Model
 
-CropScan est un modele de detection de maladies des plantes base sur RF-DETR, concu pour aider les agriculteurs a identifier rapidement les problemes de sante de leurs cultures.
+CropScan is a plant disease detection model based on RF-DETR, designed to help farmers quickly identify health issues in their crops.
 
-## Pourquoi CropScan ?
+## Why CropScan?
 
-L'agriculture est un metier difficile. Les agriculteurs font face a de nombreux defis quotidiens : conditions meteorologiques imprevisibles, pressions economiques, et surtout, les maladies des cultures qui peuvent devastar des recoltes entieres en quelques jours.
+Farming is hard work. Farmers face countless daily challenges: unpredictable weather, economic pressures, and most critically, crop diseases that can devastate entire harvests in just a few days.
 
-**CropScan a ete cree pour :**
+**CropScan was built to:**
 
-- **Aider les agriculteurs** a detecter les maladies tot, avant qu'elles ne se propagent
-- **Reduire les pertes de recolte** grace a une intervention rapide et ciblee
-- **Optimiser l'utilisation des traitements** en identifiant precisement les zones affectees
-- **Democratiser l'acces** a des outils de diagnostic avances, autrefois reserves aux experts
+- **Help farmers** detect diseases early, before they spread
+- **Reduce crop losses** through rapid and targeted intervention
+- **Optimize treatment usage** by precisely identifying affected areas
+- **Democratize access** to advanced diagnostic tools, once reserved for experts
 
-Que vous soyez un petit exploitant ou un grand producteur, CropScan vous donne les moyens de proteger vos cultures avec la puissance de l'intelligence artificielle.
+Whether you're a small-scale farmer or a large producer, CropScan gives you the power to protect your crops with artificial intelligence.
 
-## Exemple de Detection
+## Detection Example
 
-| Image Originale | Resultat de Detection |
-|:---------------:|:---------------------:|
+| Original Image | Detection Result |
+|:--------------:|:----------------:|
 | ![Original](examples/original.png) | ![Detection](examples/detection_result.png) |
 
-L'image de gauche montre une feuille avec des symptomes de maladie. L'image de droite montre le resultat de CropScan : chaque region malade est identifiee et segmentee avec precision grace a l'integration de SAM2.
+The left image shows a leaf with disease symptoms. The right image shows CropScan's result: each diseased region is identified and segmented with precision using SAM2 integration.
 
-## Details Techniques
+## Technical Details
 
-| Specification | Valeur |
-|--------------|--------|
+| Specification | Value |
+|--------------|-------|
 | **Architecture** | RF-DETR (medium) |
-| **Tache** | Detection d'objets / Localisation de maladies |
+| **Task** | Object Detection / Disease Localization |
 | **Performance** | mAP@50: 0.502 |
-| **Taille du modele** | 134 MB |
+| **Model Size** | 134 MB |
 | **Format** | PyTorch (.pth) |
 
-## Utilisation
+## Usage
 
 ### Installation
 
@@ -67,41 +67,41 @@ import torch
 from rfdetr import RFDETRBase
 from PIL import Image
 
-# Charger le modele
+# Load the model
 model = RFDETRBase()
 checkpoint = torch.load("checkpoint_best_total.pth", map_location="cpu")
 model.load_state_dict(checkpoint)
 model.eval()
 
-# Charger une image
-image = Image.open("votre_image.jpg")
+# Load an image
+image = Image.open("your_image.jpg")
 
-# Effectuer la detection
+# Run detection
 with torch.no_grad():
     predictions = model(image)
 
-# Les predictions contiennent les boites englobantes des zones malades
+# predictions contains bounding boxes of diseased regions
 ```
 
-### Integration avec SAM2 (Recommande)
+### SAM2 Integration (Recommended)
 
-Pour obtenir des masques de segmentation precis plutot que des boites englobantes, combinez CropScan avec SAM2 :
+For precise segmentation masks instead of bounding boxes, combine CropScan with SAM2:
 
 ```python
 from sam2.sam2_image_predictor import SAM2ImagePredictor
 
-# Utiliser les boites de CropScan comme prompts pour SAM2
+# Use CropScan boxes as prompts for SAM2
 predictor = SAM2ImagePredictor.from_pretrained("facebook/sam2-hiera-small")
 predictor.set_image(image)
 
 for box in predictions.boxes:
     masks, scores, _ = predictor.predict(box=box, multimask_output=False)
-    # masks contient le masque de segmentation precis
+    # masks contains the precise segmentation mask
 ```
 
-## Donnees d'Entrainement
+## Training Data
 
-Ce modele a ete entraine sur le dataset Plant Disease de Roboflow Universe, contenant des images de feuilles avec diverses maladies.
+This model was trained on the Plant Disease dataset from Roboflow Universe, containing images of leaves with various diseases.
 
 ```bibtex
 @misc{plant-disease-faxnj_dataset,
@@ -117,24 +117,24 @@ Ce modele a ete entraine sur le dataset Plant Disease de Roboflow Universe, cont
 }
 ```
 
-## Cas d'Usage
+## Use Cases
 
-- **Agriculture de precision** : Surveillance automatisee des cultures par drone ou camera fixe
-- **Diagnostic sur le terrain** : Application mobile pour identification rapide des maladies
-- **Recherche agronomique** : Etude de la propagation des maladies vegetales
-- **Formation** : Outil pedagogique pour les etudiants en agronomie
+- **Precision Agriculture**: Automated crop monitoring via drone or fixed camera
+- **Field Diagnosis**: Mobile app for rapid disease identification
+- **Agricultural Research**: Study of plant disease propagation
+- **Education**: Teaching tool for agronomy students
 
 ## Limitations
 
-- Entraine principalement sur des images de type PlantVillage
-- Meilleures performances sur des images individuelles de feuilles avec fond clair
-- Recommande d'utiliser SAM2 pour des masques de segmentation precis
-- Ne remplace pas l'expertise d'un agronome pour le diagnostic final
+- Trained primarily on PlantVillage-style images
+- Best performance on individual leaf images with clear backgrounds
+- SAM2 recommended for precise segmentation masks
+- Does not replace expert agronomist diagnosis
 
-## Licence
+## License
 
-Ce modele est distribue sous licence MIT. Vous etes libre de l'utiliser, le modifier et le distribuer pour des usages commerciaux ou non-commerciaux.
+This model is distributed under the MIT license. You are free to use, modify, and distribute it for commercial or non-commercial purposes.
 
 ---
 
-*Cree avec passion pour soutenir ceux qui nous nourrissent.*
+*Built with passion to support those who feed us.*